我们离“回家不用做家务”，还差几台家用机器人？

文｜动点科技

作者｜Steven

下班到家，扫地机器人早已把地面转了一遍，可沙发上的衣服还堆着，餐桌上的杯子没收，洗衣机里的衣物等着人去晾。这些年，家里的智能电器越来越多，每一件都帮人省下一点时间，却始终没有谁能把整段家务接过去。

过去两年，具身智能是创投圈最热闹的赛道之一，发布会一场接一场，人形机器人在台上跳舞、递水、搬箱子。但热闹大多集中在工厂、仓库和展厅；业内普遍判断，人形机器人会沿工业、商用、家用的顺序落地，真正把赌注压在家庭场景的公司寥寥无几。原因并不复杂：与标准化的工业环境不同，家庭是典型的极端非结构化场景，没有统一的台面高度，每一户的光线、布局、物品摆放都不一样，老人孩子还在旁边走动。一台在实验室里叠得好衣服的机器人，换个真实的家，可能连抓个杯子都做不好。

诺因智能想啃的，正是这块硬骨头。这家 2025 年 8 月成立的公司，从第一天起就把方向锁定在消费级家庭机器人——不是再添一件功能单一的小家电，而是让机器人看懂一个家，把一连串家务从头做到尾。

锁定家庭赛道

诺因智能总部设在深圳南山，成立一年内，其连续完成四轮融资，背后既有曾投出宇树科技、银河通用的源码资本，也有钟鼎资本、经纬创投等机构；2026 年 8 月完成 5 亿元天使 ++ 轮，此前一轮投后估值已超 20 亿元。

做机器人的公司不少，为什么偏挑家庭这个最碎、最杂、最没标准的场景？在诺因看来，家庭是一个足够大、也足够难的市场：每个人都要做家务，每个家庭都有需求，而难度本身也构成了进入门槛。

更不寻常的是它的做法。很多团队要么专注算法，要么擅长造硬件，诺因把整条链路都揽到了自己身上。据该公司介绍，从大脑到本体，诺因基本实现了全栈自研，底层大模型架构、生成式算法、交互式 3D 世界模型、合成数据技术，再到硬件本体和运动控制，整条技术链全部由公司自己掌握。

这么做的逻辑，藏在消费级产品的现实里。家庭机器人不是把实验室模型塞进外壳就能卖，算法、模型和机身必须围绕低成本从头一起设计，任何一环掉链子，产品都进不了寻常百姓家。诺因方面表示，这种垂直整合带来的迭代速度和工程经验，是后来者短期内难以追上的。

团队配置也支撑得起这种打法。创始人兼 CEO 李银川曾任华为诺亚方舟实验室首席研究员、AIGA 方向负责人，深耕生成式决策，发表论文约 80 篇、专利 30 余项。截至 2026 年 6 月，公司集结了 150 多位研发人员，博士及以上占比超过三分之二；人员一半来自大厂大模型算法团队，另一半来自消费电子行业的资深工程和产品团队，兼具算法研究与硬件量产的双重经验。

不背动作的模型

家庭的难点在于，世界上找不到两个一模一样的家。户型千差万别，东西想放哪放哪，生活习惯更是一人一个样。这种非结构化场景，靠提前写好动作脚本是走不通的。总不能把全中国的厨房都录一遍。

诺因的解法，是一套名叫 GLOW 的生成式具身智能体系。GLOW 并不给机器人预装一套套固定动作，而是教它掌握状态如何演变的规律；模型训练不按房间类型划界，而是反复学习状态、动作与环境反馈三者的关系，进入陌生家庭时依靠现场推理，而不是翻找提前写好的脚本。

体系内部是一组相互衔接的模块。数据引擎 KnowinDream 用生成方式合成带物理一致性的训练数据，覆盖不同光照、材质和布局下的长尾场景，缓解真实机器人数据稀缺的问题；世界模型 KnowinWorld 提供可交互的虚拟空间，让动作在其中反复试错与验证；认知中枢 KnowinBrain 负责理解环境、拆解任务；动作模块 KnowinAct 将决策翻译为流畅的物理操作；最外层的 KnowinAgent 管理长任务的拆解、过程监控与失败恢复，并沉淀家庭布局、物品位置和用户习惯等长期记忆。通过世界构建、数据生成、动作编码、交互反馈、模型强化的闭环，模型能力得以持续迭代。

一双可折叠的手

再宏大的体系，最终也要变成消费者家里的一台机器。诺因的首款产品是折叠双臂机器人 Knowin-X1。

形态上，它第一眼就和常见的人形机器人不太一样。考虑到家庭空间有限，Knowin-X1 设计了全折叠双臂构型，干活时展开，收纳时折起，整机高度能控制在 40 厘米以内，桌面、地面、柜体旁边都能灵活切换，不用时也不占地方。

灵巧度则交给全栈自研的双臂：单臂 7 个自由度，双臂最大负载 6 公斤，全身一共 23 个自由度，抓取、开合、叠衣服、和洗衣机打交道这类需要双手配合的活儿，都在它的设计目标之内。多组高清双目深度相机加激光雷达组成感知系统，实时感知人和障碍物，配合多重避障、夹点防护和急停机制——毕竟它要工作的地方有老人、有孩子。隐私也被单独考虑，数据处理尽量本地化，减少家庭影像外传的风险。

该公司称，Knowin-X1 与扫地机、陪伴机器人的根本区别在于任务的长度。扫地机沿着单点功能迭代，每多一项技能，就替人省掉一道工序；Knowin-X1 想做的则是把多道工序串成完整任务链，由机器从头跟到尾，人不必再在中间来回接手。配合 OTA 升级和长期记忆，它可以在使用中逐步适应特定家庭的布局和习惯。

等待窗口

家庭机器人什么时候才能真正爆发？诺因的判断相当克制。该公司相关负责人告诉动点科技，底层能力在年内有望看到阶段性进展，但要让机器人稳定完成用户期待的复杂家务，行业仍需两三年左右的爬坡期。

窗口期不等人，诺因把精力压在了三件事上。

一是继续用垂直整合把整机成本打下来。消费级产品绕不开价格这道坎，成本账从算法和机身协同设计的第一天就得开始算，只有价格到了大众能接受的区间，机器人才谈得上走进千家万户。

二是持续迭代合成数据引擎。据该公司透露，其内部能力曲线仍在快速抬升，模型几乎每周都能迭代出更强的版本。在真实采集数据又慢又贵的具身赛道，合成数据被视为模型迭代的关键引擎。

三是自建人才培养体系。具身智能是个新行当，市面上没有那么多现成的熟手，诺因选择开放更多校招岗位、搭建内部培养机制，为组织持续输送人才。

一千万台门槛

关于行业走到哪一步算成，诺因给了一个很实在的标尺：1000 万台。在该公司眼里，机器人只有卖到这个量级，才算真正走进千家万户；而挡在这个数字前面的，不是某个新功能，是系统级可靠性。样机只需在特定条件下做成一次，量产却要在千万个异质家庭里长期稳定、成本可控、可维修。把“一次成功”变成“每台都成功”，才是量产真正的门槛。

对诺因来说，这意味着大量工作在幕后。合成数据要覆盖尽可能多的家庭环境，本体设计要经得起长期使用，算法与硬件的每一轮迭代，都要围绕压低整机成本、提升长期稳定性展开。该公司认为，行业最终拼的不是谁先把世界模型讲得更动听，而是谁先把它变成一台能长期待在家庭里、把活儿真正干完的机器。

从一台能演示的样机，到 1000 万台不掉链子的产品，中间隔着的不是某一次技术突破，是日复一日的工程打磨。诺因刚满一岁，它选的这条路，才刚刚开始。